Le travail qui suit s’appuie sur cinq fichiers issus du projet SnpNet :
- strain.csv : nom des lignées utilisées et informe si elles sont contrôles ou non.
- individual.csv : informations de chaque drosophile : name, id, date, age, sex, user, strain_number.
- phenotype_data.csv : données phénotypiques obtenues à partir d’un logiciel et de films des coeurs disséqués.
- phenotype_data.csv_control_nooutliers.csv : même fichier que phenotype_data.csv, à ce près que les individus considérés comme outliers ont été retirés.
- phenotype_data.csv_date_correction.csv : correction journalière déduite des contrôles à appliquer aux données phénotypiques (à voir si on l’utilisera).
Le contenu de presque tous les fichiers cités au-dessus a été compilé pour donner un dataframe au format long le plus complet possible quant aux drosophiles étudiées et aux valeurs recueillies. Le fichier phenotype_data.csv n’est pas concerné car on choisit de travailler avec les données sans outliers. Le fichier est stocké sous l’intitulé 01_DATA_raw. Nous ne nous intéressons pas aux données des drosophiles w1118 qui sont les contrôles, on recueille donc uniquement les lignées DGRP dans le fichier 02_DATA_dgrp
Le barplot ci-dessous représente le nombre d’individus par lignée et par âge.
Quelques lignées ont été répliquées. Excepté pour les lignées wild type, seul un des réplicat sera conservé : celui avec le plus grand nombre d’individus, et dans un cas d’égalité, celui dont la date d’expérimentation sera la plus proche de celle du deuxième âge étudié. Un dataframe “DATA_QC” est créé et les lignées qui ne seront finalement pas analysées sont indiquées par “dup” dans la colonne “QC”.
Le graphique ci-dessous montre les différents réplicats dans le lot d’individus étudiés, on peut voir qu’il s’agit exclusivement de duplicats. Le second barplot montre la nouvelle allure des individus par lignées lorsque les duplicats sont retirés.
## Chosen by date : dgrp310 dgrp317 dgrp405 dgrp406 dgrp850
Pour chacun des phénotypes, seulement les lignées contenant plus de 8 drosophiles à chaque âge sont analysées. Si un phénotype n’a plus un nombre suffisant de lignées, il n’est pas analysé.
Le problème est que certaines lignées n’ont pas assez de drosophiles peu importe le phénotype (lignées en dessous de la ligne pointillée sur le graphique précédent). Ces lignées sont indiquées par “under” dans la colonne “QC2” de “DATA_QC”. Ce dataframe est visible dans le fichier exporté 03_DATA_FilterStrains.
## Strains with less than 8 drosophiles : dgrp818 dgrp859 dgrp409 dgrp42 dgrp911
Six lignées ont été retirées. Les données sont réorganisées pour obtenir des graphiques sans “trous”. En effet, ce même barplot sera présent au début de l’analyse de chaque phénotype, ce qui facilitera l’observation des lignées retirées pour chacun des phénotypes.
Voici la distribution des individus par lignées et par âge pour les 162 lignées restantes après retrait des individus “dup” et “under”. Ces données sont regroupées dans un nouveau dataframe qui sera la base de nos analyse : “DATA_Analysis” (visibles dans le fichier 04_DATA_Analysis).
La distribution des individus par phénotype et par âge aide à visualiser quelles données ont été les plus dures à obtenir. Certaines jugées incorrectes (dues à une erreur technique par exemple) au premier regard ont été supprimées du fichier phenotype_data.csv dans une étude préalable.
On voit que le phénotype Pcent_DI_sup3 n’est plus représenté par aucun individu. Etant donné le faible nombre d’invididus pour certaines lignées, telle que Pcent_Long_DI, il serait statistiquement faux de les analyser.
Les données de “DATA_Analysis” sont fractionnées selon chacun des phénotypes. A nouveau, nous ne souhaitons garder que les lignées ayant un minimum de 8 drosophiles à chaque âge. Un nouveau dataframe est créé pour chaque phénotype, nommé “DATA_Nomphénotype”, contenant les données après filtre des lignées. Les phénotypes avec moins de 80% des lignées restantes ne sont pas analysés.
Dans le cadre de l’analyse des données, nous utiliserons la mediane qui a l’avantage de ne pas être influencee par des valeurs extremes comme nous en rencontreront. Pour l’étude de la variance au sein d’une lignée, la mad (mediane absolute deviation) est utilisée. La mad est à la médiane ce que le sd est à la moyenne, elle donne donc une information sur la dispersion des données. De manière plus concrête, voici comment elle est calculée :
1. La médiane d’un ensemble de données est déterminée : \(m\).
2. La différence de la valeur de chaque individu avec la médiane est ensuite calculée : \(xi-m\).
3. On prend la valeur absolue des différences et on détermine leur médiane : \(MED([ |xi-m| ]_{i=1:n})\).
Cette dernière valeur est la mad. En toute logique, elle a le même avantage que la médiane de ne pas tenir compte des valeurs extrêmes.
La simple différence de la médiane et de la mad aux âges 4 et 1 ne prennent pas en compte l’importance de l’évolution, c’est à dire le pourcentage de variation du phénotype. Deux nouveau indicateurs ont donc été mis en place :
- l’indicateur de médiane \(I_V\) : la différence médiane4 - médiane1 est divisée par la médiane1 \(I_M = 2* (mediane_4 - mediane_1) / (mediane_4 + mediane_1\)).
- l’indicateur de variation \(I_V\) : le coefficient de variation est la division de l’écart-type par la moyenne. On a un équivalent basé sur les rangs en faisant la division de la mad par la médiane. Ici, on a donc \(CV_R = mad / mediane\). Comme pour la mediane, on va prendre en compte la différence des coefficients de variation à l’âge4 et à l’âge1, puis on divise par le coefficient de variation à l’âge1, c’est à dire \(I_v = 2 *(CV_R4 - CV_R1) / (CV_R4 - CV_R1)\).
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1526700, p-value = 3.125e-05 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 4942, p-value = 0.005531 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DI_on_Hp_Mean tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 64 lignées ont un comportement inverse minoritaire, soit 40 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.9666, p-value = 0.0005974
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.98763, p-value = 0.1699
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 375710, p-value = 4.251e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4697535
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 7608, p-value = 0.09251 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.98388, p-value = 0.05684
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.94899, p-value = 1.877e-05
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 545950, p-value = 0.08783 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1371213
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 836900, p-value = 1.992e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.3749279
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1212800, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 2009, p-value = 1.601e-14 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicIntervals_Mean tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 35 lignées ont un comportement inverse minoritaire, soit 22 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.9034, p-value = 7.681e-09
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.98584, p-value = 0.1129
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 413070, p-value = 4.581e-08 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4170354
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 3187, p-value = 1.135e-08 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de DiastolicIntervals_Mean tend à augmenter entre les deux âges pour la majorité des lignées. 46 lignées ont un comportement inverse minoritaire, soit 28 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.95206, p-value = 2.426e-05
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.97187, p-value = 0.002922
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 532310, p-value = 0.0774 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1422867
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 582080, p-value = 0.6717 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.03485133
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1194100, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 1837, p-value = 1.628e-15 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicIntervals_Median tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 36 lignées ont un comportement inverse minoritaire, soit 22 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.91882, p-value = 7.134e-08
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.97465, p-value = 0.005427
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 430770, p-value = 3.127e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3920523
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 2889, p-value = 5.382e-10 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de DiastolicIntervals_Median tend à augmenter entre les deux âges pour la majorité des lignées. 43 lignées ont un comportement inverse minoritaire, soit 27 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.89767, p-value = 3.545e-09
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.97057, p-value = 0.002218
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 485550, p-value = 0.01198 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2023033
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 540660, p-value = 0.8151 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.01929621
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1402900, p-value = 1.094e-15 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 3484, p-value = 1.863e-07 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicIntervals_StdDev tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 48 lignées ont un comportement inverse minoritaire, soit 30 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.80475, p-value = 1.945e-13
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.92764, p-value = 7.342e-07
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 456740, p-value = 4.036e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3553978
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 4016, p-value = 1.54e-05 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de DiastolicIntervals_StdDev tend à augmenter entre les deux âges pour la majorité des lignées. 55 lignées ont un comportement inverse minoritaire, soit 34 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.91979, p-value = 8.277e-08
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.98631, p-value = 0.134
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 580730, p-value = 0.5713 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0459203
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 477220, p-value = 0.8052 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.02078203
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1623600, p-value = 0.2907 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 6433, p-value = 0.7788 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.68518, p-value < 2.2e-16
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.9349, p-value = 1.565e-06
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 494660, p-value = 0.0001018 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3018809
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 6747, p-value = 0.8084 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.96747, p-value = 0.0007365
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.97184, p-value = 0.003279
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 436960, p-value = 0.001682 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2534121
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 383550, p-value = 0.003037 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2450992
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 84.5679 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1257600, p-value = 2.086e-12 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 6974, p-value = 1.381e-06 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de DiastolicMeanDiameter tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 45 lignées ont un comportement inverse minoritaire, soit 33 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.98195, p-value = 0.06692
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.98391, p-value = 0.1129
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 126050, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.7058553
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 5874, p-value = 0.01373 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de DiastolicMeanDiameter tend à diminuer entre les deux âges pour la majorité des lignées. 59 lignées ont un comportement inverse minoritaire, soit 43 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.98603, p-value = 0.1784
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.95184, p-value = 0.0001479
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 290110, p-value = 0.009679 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2256713
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 385000, p-value = 0.3907 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.07612925
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 84.5679 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1136200, p-value = 0.0614 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5432, p-value = 0.1298 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.95653, p-value = 0.0002481
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.98425, p-value = 0.1225
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 213760, p-value = 6.598e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.5011761
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 4120, p-value = 0.1929 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.99479, p-value = 0.9038
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.94688, p-value = 5.765e-05
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 305620, p-value = 0.01992 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2026631
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 468550, p-value = 0.001321 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.2796788
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1108800, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 1587, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartperiod_Mean tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 32 lignées ont un comportement inverse minoritaire, soit 20 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.96519, p-value = 0.0004273
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.99357, p-value = 0.72
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 432010, p-value = 3.559e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3902995
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 3184, p-value = 1.102e-08 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartperiod_Mean tend à augmenter entre les deux âges pour la majorité des lignées. 43 lignées ont un comportement inverse minoritaire, soit 27 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.96474, p-value = 0.0003849
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.97168, p-value = 0.002903
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 478480, p-value = 0.007825 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2139152
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 499470, p-value = 0.2537 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0940214
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1075400, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 1267, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartperiod_Median tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 26 lignées ont un comportement inverse minoritaire, soit 16 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.94723, p-value = 9.287e-06
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.99075, p-value = 0.4136
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 428130, p-value = 2.372e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3957697
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 2436, p-value = 3.282e-12 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartperiod_Median tend à augmenter entre les deux âges pour la majorité des lignées. 40 lignées ont un comportement inverse minoritaire, soit 25 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.90264, p-value = 6.914e-09
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.96256, p-value = 0.0003651
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 469570, p-value = 0.008211 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2133241
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 468270, p-value = 0.3485 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.07834987
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1376800, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 3219, p-value = 1.552e-08 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartperiod_StdDev tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 49 lignées ont un comportement inverse minoritaire, soit 30 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.84834, p-value = 1.161e-11
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.92921, p-value = 5.676e-07
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 445300, p-value = 1.357e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3715403
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 4003, p-value = 1.395e-05 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartperiod_StdDev tend à augmenter entre les deux âges pour la majorité des lignées. 54 lignées ont un comportement inverse minoritaire, soit 33 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.95687, p-value = 6.607e-05
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.97008, p-value = 0.001588
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 641110, p-value = 0.59 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.04300513
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 573590, p-value = 0.6313 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.03906491
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1570700, p-value = 0.007043 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5586, p-value = 0.08963 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.81969, p-value = 7.303e-13
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.93, p-value = 8.004e-07
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 504560, p-value = 0.0002155 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2879061
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 6174, p-value = 0.4752 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.96244, p-value = 0.0002262
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.98739, p-value = 0.1751
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 513730, p-value = 0.03222 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1722374
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 501150, p-value = 0.6853 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0337771
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2238700, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 11741, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_Mean tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 27 lignées ont un comportement inverse minoritaire, soit 17 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.86361, p-value = 5.871e-11
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.97987, p-value = 0.02225
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 451230, p-value = 2.405e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3631713
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 8612, p-value = 0.0007757 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartrate_Mean tend à diminuer entre les deux âges pour la majorité des lignées. 60 lignées ont un comportement inverse minoritaire, soit 37 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.97956, p-value = 0.01688
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.96091, p-value = 0.0001966
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 472610, p-value = 0.0003658 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2810473
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 569940, p-value = 0.7484 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.02619619
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 2242800, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 11767, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_Median tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 26 lignées ont un comportement inverse minoritaire, soit 16 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.87082, p-value = 1.315e-10
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.98377, p-value = 0.06756
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 439750, p-value = 7.836e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3793731
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 8632, p-value = 0.0006869 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartrate_Median tend à diminuer entre les deux âges pour la majorité des lignées. 62 lignées ont un comportement inverse minoritaire, soit 38 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.98549, p-value = 0.08976
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.95294, p-value = 3.644e-05
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 541450, p-value = 0.0268 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1763192
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 578340, p-value = 0.7316 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.02820925
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1804100, p-value = 3.054e-06 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 8662, p-value = 0.0005712 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_StdDev tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 61 lignées ont un comportement inverse minoritaire, soit 38 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.827, p-value = 1.435e-12
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.94775, p-value = 1.89e-05
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 484360, p-value = 4.483e-05 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3164117
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 8042, p-value = 0.01604 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartrate_StdDev tend à diminuer entre les deux âges pour la majorité des lignées. 64 lignées ont un comportement inverse minoritaire, soit 40 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.98949, p-value = 0.2715
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.953, p-value = 3.691e-05
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 614890, p-value = 0.4196 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0645994
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 541670, p-value = 0.9751 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.002587576
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1522400, p-value = 2.45e-05 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5073, p-value = 0.01061 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Heartrate_StdDevOnMedian tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 66 lignées ont un comportement inverse minoritaire, soit 41 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.88005, p-value = 3.867e-10
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.95433, p-value = 6.432e-05
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 460110, p-value = 5.507e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3506388
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 5039, p-value = 0.008998 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Heartrate_StdDevOnMedian tend à augmenter entre les deux âges pour la majorité des lignées. 63 lignées ont un comportement inverse minoritaire, soit 39 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.97478, p-value = 0.004645
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.94647, p-value = 1.396e-05
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 541490, p-value = 0.2534 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.09283905
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 624510, p-value = 0.002103 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.2549474
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1739100, p-value = 0.01156 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 7627, p-value = 0.08651 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.90855, p-value = 1.575e-08
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.97121, p-value = 0.002482
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 393330, p-value = 4.418e-09 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4448918
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 6388, p-value = 0.7217 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.93287, p-value = 6.861e-07
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.9353, p-value = 1.676e-06
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 532380, p-value = 0.07761 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1421868
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 514530, p-value = 0.4185 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.06670053
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1806400, p-value = 3.381e-06 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 8307, p-value = 0.004355 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de NormalizedIntervals_Median tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 63 lignées ont un comportement inverse minoritaire, soit 39 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.92319, p-value = 1.406e-07
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.95472, p-value = 5.246e-05
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 413990, p-value = 5.082e-08 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4157341
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 7034, p-value = 0.47 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.96693, p-value = 0.0006463
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.96964, p-value = 0.001694
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 510030, p-value = 0.02665 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.178196
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 568210, p-value = 0.9054 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.00974207
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1630400, p-value = 0.4157 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 6039, p-value = 0.3473 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.64575, p-value < 2.2e-16
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.93095, p-value = 1.243e-06
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 434170, p-value = 4.447e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3872511
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 5877, p-value = 0.226 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.77989, p-value = 2.498e-14
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.97329, p-value = 0.003839
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 630580, p-value = 0.7815 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.02228369
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 405470, p-value = 0.02637 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1852222
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1559700, p-value = 0.00234 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5646, p-value = 0.1103 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.80784, p-value = 2.543e-13
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.91549, p-value = 1.393e-07
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 459960, p-value = 5.429e-06 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.350859
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 5583, p-value = 0.08868 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.81738, p-value = 5.924e-13
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.93413, p-value = 1.197e-06
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 632430, p-value = 0.8091 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.01941838
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 473850, p-value = 0.7425 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.02768065
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1570700, p-value = 0.007043 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5586, p-value = 0.08963 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.81969, p-value = 7.303e-13
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.93, p-value = 8.004e-07
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 504560, p-value = 0.0002155 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2879061
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 6174, p-value = 0.4752 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.96244, p-value = 0.0002262
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.98739, p-value = 0.1751
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 513730, p-value = 0.03222 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1722374
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 501150, p-value = 0.6853 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0337771
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1789200, p-value = 4.057e-05 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 8234, p-value = 0.006349 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SI_on_DI_Mean tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 66 lignées ont un comportement inverse minoritaire, soit 41 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.89978, p-value = 4.697e-09
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.96975, p-value = 0.001596
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 374720, p-value = 3.681e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4711592
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 7712, p-value = 0.06342 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.97161, p-value = 0.002053
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.97324, p-value = 0.004111
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 563280, p-value = 0.2526 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.09238826
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 543340, p-value = 0.679 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.0340264
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 767830, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 313, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_Mean tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 10 lignées ont un comportement inverse minoritaire, soit 6 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.85114, p-value = 1.548e-11
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.9908, p-value = 0.4281
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 332780, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.5303411
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 1757, p-value = 5.469e-16 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de SystolicIntervals_Mean tend à augmenter entre les deux âges pour la majorité des lignées. 35 lignées ont un comportement inverse minoritaire, soit 22 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.86975, p-value = 1.165e-10
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.95037, p-value = 2.766e-05
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 545570, p-value = 0.2004 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1036973
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 381520, p-value = 0.004974 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2333414
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 741920, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 390, p-value < 2.2e-16 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_Median tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 14 lignées ont un comportement inverse minoritaire, soit 9 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.90359, p-value = 7.875e-09
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.99531, p-value = 0.9052
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 371460, p-value = 1.574e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4757554
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 2369, p-value = 1.472e-12 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de SystolicIntervals_Median tend à augmenter entre les deux âges pour la majorité des lignées. 40 lignées ont un comportement inverse minoritaire, soit 25 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.77112, p-value = 1.259e-14
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.95002, p-value = 2.586e-05
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 619480, p-value = 0.8271 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.01772838
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 543770, p-value = 0.8685 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.01366225
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1789000, p-value = 4.173e-05 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 8205, p-value = 0.007347 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_SI_on_Hp_Mean tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 67 lignées ont un comportement inverse minoritaire, soit 41 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.9369, p-value = 1.377e-06
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.98973, p-value = 0.3061
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 370600, p-value = 1.987e-10 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4769653
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 7618, p-value = 0.08931 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.98615, p-value = 0.1081
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.95879, p-value = 0.0001377
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 507810, p-value = 0.01363 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1973985
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 691660, p-value = 0.02513 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.1817707
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1505600, p-value = 1.569e-06 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 4424, p-value = 0.000272 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicIntervals_StdDev tend à augmenter entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 66 lignées ont un comportement inverse minoritaire, soit 41 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.53819, p-value < 2.2e-16
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.80977, p-value = 3.791e-12
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 521430, p-value = 0.0007115 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2641029
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 3934, p-value = 8.196e-06 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de SystolicIntervals_StdDev tend à augmenter entre les deux âges pour la majorité des lignées. 61 lignées ont un comportement inverse minoritaire, soit 38 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.68704, p-value < 2.2e-16
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.95051, p-value = 2.677e-05
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 532460, p-value = 0.07789 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.1420547
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 185970, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.5464686
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1668800, p-value = 0.7337 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5692, p-value = 0.1285 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.62322, p-value < 2.2e-16
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.82598, p-value = 8.734e-12
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 563300, p-value = 0.008973 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2050056
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 4565, p-value = 0.0006621 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de SystolicIntervals_StdDevOnMedian tend à augmenter entre les deux âges pour la majorité des lignées. 68 lignées ont un comportement inverse minoritaire, soit 42 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.76213, p-value = 6.352e-15
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.95625, p-value = 9.002e-05
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 470640, p-value = 0.00476 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.2267988
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 216530, p-value = 7.6e-11 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.5162295
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 84.5679 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1215400, p-value = 2.254e-07 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 6456, p-value = 0.0002034 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de SystolicMeanDiameter tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 49 lignées ont un comportement inverse minoritaire, soit 36 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.98611, p-value = 0.182
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.9903, p-value = 0.4895
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 151430, p-value < 2.2e-16 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.646635
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 5599, p-value = 0.061 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.98467, p-value = 0.129
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.93766, p-value = 1.335e-05
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 353030, p-value = 0.512 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.05772701
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 367000, p-value = 0.4011 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.07506679
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1583300, p-value = 0.0173 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 5762, p-value = 0.1606 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.96496, p-value = 0.0004047
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.98607, p-value = 0.1151
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 414580, p-value = 5.432e-08 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4148958
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 7075, p-value = 0.4289 alternative hypothesis: true location shift is not equal to 0
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.98408, p-value = 0.0602
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.92018, p-value = 1.87e-07
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 538400, p-value = 0.3263 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.08009213
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 772250, p-value = 5.167e-07 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.40078
Ci-dessous est affiché le barplot des lignées restantes après le second filtre. Il reste 100 % des lignées de DATA_Analysis.
Les boxplots suivants sont les valeurs du phénotype étudié pour les individus de chaque lignée, ces dernières étant ordonnées selon leur médiane. Le premier graphique est pour l’âge 1, le second pour l’âge 4.
Les valeurs phénotypiques de tous les individus sont maintenant organisées en fonction des âges, sans un regard à la lignée, afin de voir si on a une tendance générale.
Un premier test de Wilcoxon est appliqué à ces données. Si la p-valeur est inférieure à 0.05, cela signifie que les deux populations (age1, age4) ont des moyennes significativement différentes et ne suivent donc pas une même distribution. Wilcoxon rank sum test with continuity correction
data: value by age W = 1796800, p-value = 1.392e-05 alternative hypothesis: true location shift is not equal to 0
Ici, on ne travaille plus avec les individus mais avec les lignées. Les médianes des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux médianes des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci un test paired. Wilcoxon signed rank test with continuity correction
data: median by age V = 8472, p-value = 0.001765 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La valeur phénotypique de Total_SI_Time tend à diminuer entre les deux âges pour la majorité des lignées, comme cela est le cas pour l’ensemble de la population. 66 lignées ont un comportement inverse minoritaire, soit 41 %.
Les graphiques suivants représentent l’indicateur de médiane pour chaque lignées sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de médiane est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM$diff W = 0.9029, p-value = 7.172e-09
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de médiane (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIM_no_outliers$diff W = 0.99001, p-value = 0.3382
Ci-dessous, on voit la correlation entre l’âge 1 et l’âge 4 pour la médiane.
Coefficient de correlation de Spearman entre médiane age 1 et médiane âge 4. Spearman’s rank correlation rho
data: dfIM\(median1 and dfIM\)median4 S = 358920, p-value = 2.388e-11 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.4934522
De même que pour la médiane, on ne travaille plus avec les individus mais avec les lignées. Les mad des lignées pour les deux âges ont été calculées et mises sous forme d’un boxplot comparable avec le précédent, il nous permet de voir la tendance générale ainsi que les lignées ayant un comportement extrême, qui ont été labellisées.
Le test de Wilcoxon a maintenant été appliqué aux mads des lignées pour l’âge 1 et l’âge. On a pu faire dans ce cas-ci aussi un test paired. Wilcoxon signed rank test with continuity correction
data: mad by age V = 8094, p-value = 0.01259 alternative hypothesis: true location shift is not equal to 0
Il existe une différence significative d’après le test de Wilcoxon. La variation de la valeur phénotypique de Total_SI_Time tend à diminuer entre les deux âges pour la majorité des lignées. 69 lignées ont un comportement inverse minoritaire, soit 43 %.
Les graphiques suivants représentent l’indicateur de variation pour chaque sous des formes différentes. Les lignées du scatterplot ont été ordonnées suivant cette valeur.
La normalité de la distribution de l’indicateur de variation est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfmad$diff W = 0.98279, p-value = 0.04171
Les graphiques suivants sont semblables aux précédents, les données ‘extrêmes’ ont toutefois été enlevées.
La normalité de la distribution de l’indicateur de variation (sans extrêmes) est évaluée grâce à un shapiro test. Si la p-value obtenue est inférieure à 0.05, on considère que l’échantillon a une distribution non gaussienne.
Shapiro-Wilk normality test
data: dfIV_no_outliers$diff W = 0.95751, p-value = 0.000117
Ci-dessous, on voit la correlation entre CVR âge 1 et CVR âge 4, pour les lignées sans extrêmes.
Coefficient de correlation de Spearman pour la correlation CVR1/CVR4. Spearman’s rank correlation rho
data: dfIV_no_outliers\(mad1/dfIV_no_outliers\)median1 and dfIV_no_outliers\(mad4/dfIV_no_outliers\)median4 S = 411280, p-value = 4.477e-05 alternative hypothesis: true rho is not equal to 0 sample estimates: rho 0.3243205
La corrélation IM IV affichée ci-dessous est la corrélation de l’indicateur de médiane et de l’indicateur de variation pour chacune des lignées.
Coefficient de correlation de Spearman pour la correlation médiane mad. Spearman’s rank correlation rho
data: mgIMIV\(IM and mgIMIV\)IV S = 634530, p-value = 0.03407 alternative hypothesis: true rho is not equal to 0 sample estimates: rho -0.1744559
| phenotypes | valid_strain |
|---|---|
| DI_on_Hp_Mean | 100.00 |
| DiastolicIntervals_Mean | 100.00 |
| DiastolicIntervals_Median | 100.00 |
| DiastolicIntervals_StdDev | 100.00 |
| DiastolicIntervals_StdDevOnMedian | 100.00 |
| DiastolicMeanDiameter | 84.57 |
| FractionalShortening | 84.57 |
| Heartperiod_Mean | 100.00 |
| Heartperiod_Median | 100.00 |
| Heartperiod_StdDev | 100.00 |
| Heartperiod_StdDevOnMedian | 100.00 |
| Heartrate_Mean | 100.00 |
| Heartrate_Median | 100.00 |
| Heartrate_StdDev | 100.00 |
| Heartrate_StdDevOnMedian | 100.00 |
| NormalizedIntervals_Mean | 100.00 |
| NormalizedIntervals_Median | 100.00 |
| NormalizedIntervals_StdDev | 100.00 |
| NormalizedIntervals_StdDevOnMedian | 100.00 |
| Pcent_Long_DI | 4.32 |
| Pcent_Long_SI | 0.00 |
| SD_on_Median_Heartperiod | 100.00 |
| SI_on_DI_Mean | 100.00 |
| SystolicIntervals_Mean | 100.00 |
| SystolicIntervals_Median | 100.00 |
| SystolicIntervals_SI_on_Hp_Mean | 100.00 |
| SystolicIntervals_StdDev | 100.00 |
| SystolicIntervals_StdDevOnMedian | 100.00 |
| SystolicMeanDiameter | 84.57 |
| Total_DI | 66.67 |
| Total_DI_Time | 100.00 |
| Total_SI | 66.67 |
| Total_SI_Time | 100.00 |
La table suivante est un récapitulatif des distributions qui sont normales ou non, détaillées plus haut pour chaque phénotype.
| IM_avec_extremes | IM_sans_extremes | IV_avec_extremes | IV_sans_extremes | |
|---|---|---|---|---|
| DI_on_Hp_Mean | Normale | Normale | ||
| DiastolicIntervals_Mean | Normale | |||
| DiastolicIntervals_Median | ||||
| DiastolicIntervals_StdDev | Normale | |||
| DiastolicIntervals_StdDevOnMedian | ||||
| DiastolicMeanDiameter | Normale | Normale | Normale | |
| FractionalShortening | Normale | Normale | ||
| Heartperiod_Mean | Normale | |||
| Heartperiod_Median | Normale | |||
| Heartperiod_StdDev | ||||
| Heartperiod_StdDevOnMedian | Normale | |||
| Heartrate_Mean | ||||
| Heartrate_Median | Normale | Normale | ||
| Heartrate_StdDev | Normale | |||
| Heartrate_StdDevOnMedian | ||||
| NormalizedIntervals_Mean | ||||
| NormalizedIntervals_Median | ||||
| NormalizedIntervals_StdDev | ||||
| NormalizedIntervals_StdDevOnMedian | ||||
| SD_on_Median_Heartperiod | Normale | |||
| SI_on_DI_Mean | ||||
| SystolicIntervals_Mean | Normale | |||
| SystolicIntervals_Median | Normale | |||
| SystolicIntervals_SI_on_Hp_Mean | Normale | Normale | ||
| SystolicIntervals_StdDev | ||||
| SystolicIntervals_StdDevOnMedian | ||||
| SystolicMeanDiameter | Normale | Normale | Normale | |
| Total_DI_Time | Normale | Normale | ||
| Total_SI_Time | Normale |
Les deux heatmap suivante représentent l’indicateur de médiane et l’indicateur de variation pour les phenotypes étudiés. Le souci est que 3 des phénotypes présentent que 84% des lignées du fichier utilisé, il y aura donc des données manquantes. Les deux graphiques correspondent à deux stratégies pour palier à ceci.
Première proposition : On enlève les lignes avec des données manquantes, on traite donc les 29 phénotypes avec 138 observations.$tree_row
Call: hclust(d = d, method = method)
Cluster method : complete Distance : euclidean Number of objects: 29
$tree_col
Call: hclust(d = d, method = method)
Cluster method : complete Distance : euclidean Number of objects: 29
$kmeans [1] NA
$gtable TableGrob (5 x 6) “layout”: 6 grobs z cells name grob 1 1 (1-1,3-3) main text[GRID.text.114293] 2 2 (2-2,3-3) col_tree polyline[GRID.polyline.114294] 3 3 (4-4,1-1) row_tree polyline[GRID.polyline.114295] 4 4 (4-4,3-3) matrix gTree[GRID.gTree.114297] 5 5 (5-5,3-3) col_names text[GRID.text.114298] 6 6 (4-4,4-4) row_names text[GRID.text.114299]
On fait de même avec l’indicateur de variation.$tree_row
Call: hclust(d = d, method = method)
Cluster method : complete Distance : euclidean Number of objects: 29
$tree_col
Call: hclust(d = d, method = method)
Cluster method : complete Distance : euclidean Number of objects: 29
$kmeans [1] NA
$gtable TableGrob (5 x 6) “layout”: 6 grobs z cells name grob 1 1 (1-1,3-3) main text[GRID.text.114303] 2 2 (2-2,3-3) col_tree polyline[GRID.polyline.114304] 3 3 (4-4,1-1) row_tree polyline[GRID.polyline.114305] 4 4 (4-4,3-3) matrix gTree[GRID.gTree.114307] 5 5 (5-5,3-3) col_names text[GRID.text.114308] 6 6 (4-4,4-4) row_names text[GRID.text.114309]
Deuxième proposition : Les phénotypes avec des données manquantes sont enlevés, on traite donc 26 phenotypes mais avec les 163 observations.
On fait de même avec l’indicateur de variation.